Tecnologia tem 97% de precisão na detecção de cânceres malignos e prevê a doença cinco anos antes
O diagnóstico precoce é fundamental para o tratamento de um câncer, responsável por 17% das mortes em todo o mundo – um em cada seis óbitos é pela doença. Para auxiliar nesse cenário, muitas plataformas de Inteligência Artificial (IA) estão a serviço do combate ao carcinoma mamário.
Os algoritmos de IA ajudam na detecção do câncer de mama, que se descoberto em ‘estágio localizado’, a taxa de sobrevida em cinco anos é de 99%. Em 30% dos casos, entretanto, a doença é diagnosticada em estágio avançado, após se espalhar para os linfonodos regionais, reduzindo a taxa de sobrevida de cinco anos para 85%.
Destaca-se, também, que o número de detecções em estágio inicial do câncer de mama, estágio localizado, é de 62%. A Inteligência Artificial, portanto, vai ser uma grande valia neste século para três pilares fundamentais:
- Aumentar a precisão;
- Economia de tempo;
- Melhorar a sobrevida do paciente.
Estudo sobre Inteligência Artificial (IA) nos Estados Unidos
Pesquisadores do Computer Science and Artificial Intelligence Laboratory (CSAIL) e do Massachusetts General Hospital desenvolveram um método de identificação precoce do câncer de mama em pacientes com maiores probabilidades de diagnóstico da doença – nele, o mecanismo chega a 31% de precisão na classificação (os modelos tradicionais oferecem 18% de acerto).
Para o estudo, foram usadas mais de 60 mil mamografias. Os algoritmos desenvolvidos aprenderam padrões precursores de tumores malignos no tecido mamário, impossíveis de serem reconhecidos com o olho humano.
O que torna esse modelo também exclusivo é que ele é igualmente eficaz em mulheres negras e brancas. A mulher afro-americana, segundo o estudo, tem 43% mais probabilidade de morrer por câncer de mama do que uma mulher branca.
Estudo sobre Inteligência Artificial (IA) na Suécia
(texto com base no artigo do Springer Link)
O estudo teve como objetivo desenvolver uma plataforma de alta qualidade para ser usada para avaliar redes com o intuito de prever o risco de câncer de mama, estimar a sensibilidade mamográfica e detectar tumores.
Entre 2008 e 2015, mulheres da capital Estocolmo, entre 70 e 74 anos, foram convidadas para participar do rastreamento. Cada uma realizou mamografias gratuitamente num período de 18 a 24 meses.
Das quase 9 mil mulheres, 739 foram diagnosticadas com câncer de mama com menos de 12 meses após o rastreamento. Em 24 meses, 8.066 mulheres não receberam nenhum diagnóstico.
Concluiu-se que, além dos sistemas de IA aliviarem parte da carga que os programas de rastreamento impõem aos radiologistas, os algoritmos ajudam também a corrigir os falsos negativos, principalmente quando usados em esquemas de triagem de leitor único.
Na pesquisa, a idade média no geral e para mulheres saudáveis foi de 53,2 anos (DP 10,1), e 57,8 anos (DP 9,3) para mulheres diagnosticadas com câncer de mama (p < 0,001).
Cada exame consistia em quatro imagens, duas vistas de cada mama. A maioria das mulheres teve 3 a 4 rodadas de triagem durante o período do estudo. Houve 4.703 cânceres detectados por triagem (SDC) e 1.938 cânceres de intervalo (IC). A proporção de IC da soma de IC e SDC foi de 29%.
O câncer invasivo mais comum foi o ductal (67%, n = 5632) e o segundo mais comum foi o lobular (11%, n = 922). Os tamanhos médios para cânceres invasivos e in situ foram de 15 mm e 21 mm, respectivamente.
Cada mulher foi relacionada a mamografias patológicas e mamografias normais. O conjunto de dados continham informações sobre diagnóstico de câncer, estadiamento e características do tumor, bem como características cirúrgicas, avaliações radiológicas e metadados de aquisição de imagem.
Quase 30% dos cânceres não foram detectados na triagem, mas diagnosticados clinicamente durante o intervalo entre os exames de triagem. Há alta confiabilidade dos diagnósticos, pois mais de 99% foram verificados por biópsia e a subnotificação para o registro de câncer é de cerca de 1,1 a 1,6%.
Muitas questões de pesquisa sobre triagem de mama e diagnósticos de câncer puderam ser abordadas no contexto de redes neurais profundas usando o conjunto de dados Cohort of Screen-Aged Women (CSAW). Algumas áreas de aplicação em potencial:
- Desenvolvimento de previsão de risco: ao treinar uma rede em mamografias saudáveis e mamografias de mulheres que mais tarde desenvolveram câncer, uma pontuação de previsão de risco pode ser calculada para cada mulher. A pontuação pode eventualmente ser usada como uma ferramenta para selecionar mulheres de alto risco versus mulheres de baixo risco. Com isso, esquemas de triagem mais individualizados podem ser desenvolvidos.
- Desenvolvimento de redes de detecção de tumores: a rede de detecção de tumores pode eventualmente ser usada em muitos outros ambientes, como atuar como um único leitor, o que é atraente devido à falta de radiologistas de mama atualmente. As redes de detecção de tumores também podem atuar como uma avaliação da capacidade dos radiologistas de avaliar mamografias e a taxa de recuperação de falsos negativos.
- Desenvolvimento de redes de avaliação de sensibilidade: uma rede pode ser treinada em imagens “normais” de mulheres que mais tarde desenvolveram câncer de intervalo, ou seja, a mamografia de rastreamento negativa antes que o câncer de intervalo fosse detectado. Assim, a rede poderia potencialmente aprender a discriminar entre as aparências mamográficas que representam alta e baixa sensibilidade.
- Avaliar e validar redes de terceiros: o subconjunto de caso-controle da CSAW é um conjunto de dados representativo enriquecido de mamografias com base em uma população de triagem completa. Na expectativa de um grande número de redes de IA concorrentes, há necessidade crescente de uma avaliação externa robusta delas.
- Educação interativa e sistema de treinamento contínuo: as imagens com e sem os cânceres anotados podem potencialmente ser usadas como casos de treinamento interativo em software educacional. Se disponível, previsões de aprendizado profundo para detecção de tumor e sensibilidade mamográfica podem ser usadas para avaliar o nível de dificuldade de cada caso. Os casos mais apropriados podem então ser selecionados para o nível de proficiência de cada trainee. Aproveitando os dados clínicos de câncer, os casos de treinamento podem ser enriquecidos com, por exemplo, cânceres lobulares para um treinando que apresenta desempenho relativamente pior para aquele subtipo.
IA e a prevenção contra o câncer de mama
De acordo com a Sociedade Brasileira de Mastologia (SBM), a detecção precoce do câncer de mama aumenta as chances de cura em 95% dos casos. Nesse cenário, a Inteligência Artificial trará benefícios com uma enorme quantidade de possibilidades de testagem para o controle da doença.
A tomossíntese digital da mama; a mamografia espectral aprimorada com material de contraste; as mamografias tridimensionais; as imagens de ressonância magnética (MRI) ultrarrápidas e ponderadas por difusão, são algumas das técnicas de imagiologia da mama. Todas elas com convergência de algoritmos de inteligência artificial, que com a inteligência humana trabalham juntas para aperfeiçoar cada vez mais o tratamento e permitir o diagnóstico cada vez mais prematuro.